目的 网络游戏成瘾已被列为一种精神疾病，而目前暂无客观的方式判断是否存在游戏成瘾问题。本文采用支持向量机(support vector machines, SVM)、线性判别分析(linear discriminant analysis,LDA)和k最近邻(k-nearest neighbor,KNN)分类器实现对健康人和游戏成瘾者的分类判别。方法首先采集17名被试者(经临床医生诊断，6名为游戏成瘾者，11名为健康者)的功能性近红外光谱(functional near-infrared spectroscopy,fNIRS)数据，提取数据中的氧血红蛋白(oxygenated hemoglobin,HbO2)浓度数据，对HbO2数据进行带通滤波和基线漂移校正并利用时间导数分布修复法去除运动伪影。然后，提取HbO2的峰值、均值、斜率及其组合特征，采用SVM、LDA和KNN分类器对其进行分类判别。结果 在3种特征组合情况下，SVM、LDA和KNN算法的分类准确率分别为76.47%、70.58%和64.70%。结论 三种分类器可实现游戏成瘾疾病的分类判别，推进基于fNIRS信号在临床上辅助诊断游戏成瘾。